Marcos André Gonçalves

Um Estudo Comparativo de Estratégias de Seleção de Exemplos para In-Context Learning Aplicado à Classificação Automática de Texto com LLMs

Gabriel Prenassi, Guilherme Fonseca, Marcos André Gonçalves, Leonardo Rocha

A Classificação Automática de Texto com LLMs pode ser realizada via zero-shot (ZS) (baixo custo e menor desempenho) ou por fine-tuning (FT) (maior custo e maior desempenho). Este trabalho investiga o in-context learning (ICL) como alternativa intermediária, analisando o trade-off entre efetividade …

br (code pays fourni par la source)

Interpretabilidade Mecanística Dinâmica para Modelos Fundacionais Tabulares na Saúde

João Marcos Campos, Rafael Gomes, Diogo Tuler Chaves, Wagner Meira et autres

Modelos Fundacionais Tabulares (TFMs) apresentam alto desempenho preditivo, mas permanecem vulneráveis ao desvio temporal (drift) na saúde. Propomos um arcabouço de Interpretabilidade Mecanística Dinâmica que os torna auditáveis e sensíveis ao tempo. Nosso pipeline processa representações internas em lotes e usa Sparse …

br (code pays fourni par la source)

Small-area inequalities in weight excess and obesity among adults in Belo Horizonte, Brazil: a repeated cross-sectional ecological study using Vigitel and synthetic populations

Larissa Fortunato Araújo, Jussara M. Almeida, Crizian Saar Gomes, Regina T I Bernal et autres

br (code pays fourni par la source)

JABUTI-SQL: A Portuguese Benchmark for Text-to-SQL Evaluation in Real Healthcare Scenarios

Matheus Botelho, Guilherme Fonseca, Lucas R. da Silva, Rodrigo M. Gonçalves et autres

JABUTI-SQL (Joint Annotated Benchmark for User-centric Text-to-SQL In Real Health Data) is a Brazilian benchmark for Text-to-SQL built from real public healthcare data provided by DATASUS, the Brazilian public health data platform. The benchmark integrates multiple heterogeneous sources related to pharmaceutical assistance, …

br (code pays fourni par la source)

JABUTI-SQL: A Portuguese Benchmark for Text-to-SQL Evaluation in Real Healthcare Scenarios

Matheus Botelho, Guilherme Fonseca, Lucas R. da Silva, Rodrigo M. Gonçalves et autres

JABUTI-SQL (Joint Annotated Benchmark for User-centric Text-to-SQL In Real Health Data) is a Brazilian benchmark for Text-to-SQL built from real public healthcare data provided by DATASUS, the Brazilian public health data platform. The benchmark integrates multiple heterogeneous sources related to pharmaceutical assistance, …

br (code pays fourni par la source)

Beyond Area Under the Receiver Operating Characteristic Curve: Evaluating Predictive Performance Metrics Under Class Imbalance in Real-World Clinical Data

Vanessa das Graças José Ventura, Cláudio Moisés Valiense de Andrade, Jussara M. Almeida, Bruno Porto Pessoa et autres

Background: Predictive models increasingly support clinical decision-making, although imbalanced outcome distributions are common in health care datasets and can distort performance evaluation. The area under the receiver operating characteristic curve (AUROC) remains the most frequently reported metric, despite its limited ability to …

br, us, nl (code pays fourni par la source)

Caracterização da (Des)Informação das Narrativas sobre Vacinação em Grupos Públicos no WhatsApp no Brasil

Júlio C. S. Reis, Philipe Melo, João Francisco Hecksher Olivetti, Matheus Soares Ribeiro Guimarães et autres

WhatsApp has become one of the main channels for disseminating health information in Brazil, especially during the COVID-19 pandemic. In this work, we investigate the spread of (mis)information about vaccines in public groups on the platform, focusing on identifying dominant narratives, engagement …

Aprendizado Federado Incremental e Sensível ao Risco para Modelos de Ranqueamento em Cenários com Distribuições Heterogêneas de Dados

Gestefane Rabbi, Celso França, Daniel Xavier de Sousa, Thierson Couto Rosa et autres

Esta dissertação apresenta o FedRisk, uma abordagem inédita de Federated Learning to Rank (FLTR) projetada para enfrentar um dos desafios mais críticos dos Sistemas de Informação distribuídos: a agregação de modelos sob heterogeneidade e distribuições não independentes e não identicamente distribuídas (não-IID). …

br (code pays fourni par la source)

Extração Automática de Atributos de Sinais de Emissão Acústica com Redes Neurais Autocodificadoras para Predição de Integridade em Tubulações

Bernardo Dutra, Antônio Augusto Neves, Marcos Brasilino de Carvalho, Sérgio Canuto et autres

A análise de sinais de Emissão Acústica (EA) é uma técnica amplamente utilizada para monitorar processos de degradação estrutural, como a perda de espessura em tubulações. Contudo, a extração de atributos informativos a partir desses sinais é dificultada por ruídos e pela …

br (code pays fourni par la source)

Pondere e Expanda: Impacto e Limitações de Representações Contextual-Esparsas na Modelagem de Tópicos

Ana Cláudia Machado, Celso França, Ian Nunes, Marcos André Gonçalves et autres

Este trabalho investiga o uso de estratégias baseadas em representações contextual-esparsas na tarefa de Modelagem de Tópicos (MT), buscando conciliar a interpretabilidade das representações esparsas com a riqueza semântica proporcionada pelo contexto. Para isso, empregamos o modelo SPLADE, que representa documentos de …

br (code pays fourni par la source)

Um Estudo Comparativo de Estratégias de Seleção de Exemplos para In-Context Learning aplicado à Classificação Automática de Texto com Grandes Modelos de Linguagem

Gabriel Prenassi, Guilherme Fonseca, Davi Reis, Washington Cunha et autres

A Classificação Automática de Texto (CAT) com Grandes Modelos de Linguagem (LLMs) pode ser feita via zero-shot (baixo custo, menor efetividade) ou fine-tuning (alto custo, maior efetividade). Este estudo investiga o in-context learning, abordagem intermediária que insere poucos exemplos no prompt, avaliando …

br (code pays fourni par la source)

Inteligência Artificial Sustentável baseado em Engenharia de Dados, Aprendizado de Máquina e Transferência de Conhecimento para Processamento de Linguagem Natural

Washington Cunha, Leonardo Cristian Rocha, Marcos André Gonçalves

Grandes Modelos de Linguagem (GMLs), baseados em técnicas de Inteligência Artificial, têm transformado o Processamento de Linguagem Natural (PLN), sendo referência em tarefas como classificação de texto, análise de sentimentos, sumarização e perguntas-e-respostas. No entanto, sua construção e adaptação exigem alto custo …

br (code pays fourni par la source)